| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 轧机振动特性研究现状 | 第11-14页 |
| 1.2.1 轧机振动机理模型研究现状 | 第11-13页 |
| 1.2.2 轧机振动抑制研究现状 | 第13-14页 |
| 1.2.3 轧机振动信号分析研究现状 | 第14页 |
| 1.3 数据挖掘技术研究现状 | 第14-17页 |
| 1.4 数据挖掘在钢铁行业中的应用 | 第17-18页 |
| 1.5 主要研究内容 | 第18-19页 |
| 第2章 迁钢2160热连轧机系统振动测试方案 | 第19-26页 |
| 2.1 迁钢2160热连轧设备介绍 | 第19-20页 |
| 2.2 振动测试目的 | 第20页 |
| 2.3 传动系统扭转振动测试 | 第20-23页 |
| 2.3.1 扭矩测试原理 | 第20-21页 |
| 2.3.2 扭振测点布置 | 第21-22页 |
| 2.3.3 扭矩信号的传输方法 | 第22-23页 |
| 2.4 垂直及水平振动测试 | 第23-25页 |
| 2.4.1 测试原理 | 第23-24页 |
| 2.4.2 测点布置 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 数据挖掘算法研究 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 BP-AdaBoost算法 | 第26-32页 |
| 3.2.1 BP神经网络 | 第26-29页 |
| 3.2.2 AdaBoost算法 | 第29-30页 |
| 3.2.3 BP-AdaBoost强预测器轧机振动预测模型 | 第30页 |
| 3.2.4 BP-AdaBoost强预测器轧机振动预测算法 | 第30-32页 |
| 3.3 PSO-SVM算法 | 第32-39页 |
| 3.3.1 支持向量机 | 第32-36页 |
| 3.3.2 粒子群优化算法 | 第36-37页 |
| 3.3.3 PSO-SVM轧机振动预测模型 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于数据驱动的轧机振动预测分析 | 第40-58页 |
| 4.1 数据提取及预处理 | 第40-43页 |
| 4.1.1 参数的确定及提取 | 第40-42页 |
| 4.1.2 数据预处理 | 第42-43页 |
| 4.2 BP-AdaBoost振动预测模型结果分析 | 第43-45页 |
| 4.3 PSO-SVM振动预测模型结果分析 | 第45-47页 |
| 4.4 两种振动预测模型的比较 | 第47-48页 |
| 4.5 工艺参数对振动影响的定量分析 | 第48-57页 |
| 4.5.1 轧制力对振动影响的定量分析 | 第48-49页 |
| 4.5.2 轧制速度对振动影响的定量分析 | 第49-51页 |
| 4.5.3 出入口张力对振动影响的定量分析 | 第51-53页 |
| 4.5.4 轧件宽度对振动影响的定量分析 | 第53-54页 |
| 4.5.5 加热序号对振动影响的定量分析 | 第54-55页 |
| 4.5.6 入口厚度对振动影响的定量分析 | 第55-56页 |
| 4.5.7 压下率对振动影响的定量分析 | 第56-57页 |
| 4.6 关键参数优化 | 第57页 |
| 4.7 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
